為了統一全世界各國語言文字和專業領域符號（例如數學符號、樂譜符號）的編碼，ISO制定了ISO 10646標準，也稱為UCS（Universal Character Set）。UCS編碼的長度是31位，可以表示2³¹個字元。如果兩個字元編碼的高位相同，只有低16位不同，則它們屬於一個平面（Plane），所以一個平面由2¹⁶個字元組成。目前常用的大部分字元都位於第一個平面（編碼範圍是U-00000000~U-0000FFFD），稱為BMP（Basic Multilingual Plane）或Plane 0，為了向後兼容，其中編號為0~256的字元和Latin-1相同。UCS編碼通常用U-xxxxxxxx這種形式表示，而BMP的編碼通常用U+xxxx這種形式表示，其中x是十六進制數字。在ISO制定UCS的同時，另一個由廠商聯合組織也在着手制定這樣的編碼，稱為Unicode，後來兩家聯手制定統一的編碼，但各自發佈各自的標準文檔，所以UCS編碼和Unicode碼是相同的。

有了字元編碼，另一個問題就是這樣的編碼在計算機中怎麼表示。現在已經不可能用一個位元組表示一個字元了，最直接的想法就是用四個位元組表示一個字元，這種表示方法稱為UCS-4或UTF-32，UTF是Unicode Transformation Format的縮寫。一方面這樣比較浪費存儲空間，由於常用字元都集中在BMP，高位的兩個位元組通常是0，如果只用ASCII碼或Latin-1，高位的三個位元組都是0。另一種比較節省存儲空間的辦法是用兩個位元組表示一個字元，稱為UCS-2或UTF-16，這樣只能表示BMP中的字元，但BMP中有一些擴展字元，可以用兩個這樣的擴展字元表示其它平面的字元，稱為Surrogate Pair。無論是UTF-32還是UTF-16都有一個更嚴重的問題是和C語言不兼容，在C語言中0位元組表示字元串結尾，庫函數strlen、strcpy等等都依賴于這一點，如果字元串用UTF-32存儲，其中有很多0位元組並不表示字元串結尾，這就亂套了。

UNIX之父Ken Thompson提出的UTF-8編碼很好地解決了這些問題，現在得到廣泛應用。UTF-8具有以下性質：

具體來說，UTF-8編碼有以下幾種格式：

第一個位元組要麼最高位是0（ASCII位元組），要麼最高兩位都是1，最高位之後1的個數決定後面有多少個位元組也屬於當前字元編碼，例如111110xx，最高位之後還有四個1，表示後面有四個位元組也屬於當前字元的編碼。後面每個位元組的最高兩位都是10，可以和第一個位元組區分開。這樣的設計有利於誤碼同步，例如在網絡傳輸過程中丟失了幾個位元組，很容易判斷當前字元是不完整的，也很容易找到下一個字元從哪裡開始，結果頂多丟掉一兩個字元，而不會導致後面的編碼解釋全部混亂了。上面的格式中標為x的位就是UCS編碼，最後一種6位元組的格式中x位有31個，可以表示31位的UCS編碼，UTF-8就像一列火車，第一個位元組是車頭，後面每個位元組是車廂，其中承載的貨物是UCS編碼。UTF-8規定承載的UCS編碼以大端表示，也就是說第一個位元組中的x是UCS編碼的高位，後面位元組中的x是UCS編碼的低位。

例如U+00A9（©字元）的二進制是10101001，編碼成UTF-8是11000010 10101001（0xC2 0xA9），但不能編碼成11100000 10000010 10101001，UTF-8規定每個字元只能用儘可能少的位元組來編碼。